- 博客(12)
- 收藏
- 关注
RSS订阅原创 占道经营识别准确率↑32%：陌讯动态融合算法在智慧城管的实战解析
在城市管理场景中，占道经营（如流动摊贩、违规堆物等）的自动化识别一直是智慧城管系统的核心挑战。这些问题直接导致人工复核成本居高不下，某二线城市城管部门统计显示，AI 系统报警的人工核验耗时占比超 60%，严重影响执法效率。
2025-07-31 17:21:49
1159
原创 电线杆鸟巢识别准确率↑32%：陌讯多模态融合算法实战解析
陌讯多模态融合算法提升电线杆鸟巢识别准确率32%，解决了电力巡检中的核心痛点。该方案通过可见光与红外热成像数据融合，采用跨模态注意力机制和动态决策架构，显著提升了复杂环境下的识别效果。测试数据显示，模型mAP@0.5达到0.83，漏检率降至5.9%，推理延迟仅37ms。在南方电网实际部署中，误报率从38.6%降至7.1%，极端天气下仍保持79%以上的准确率。方案还提供轻量化部署方案，INT8量化后模型体积减少75%，推理速度提升40%，为电力巡检智能化提供了可靠的技术支持。
2025-07-28 17:45:11
629
原创 智慧交通误报率↓86%！陌讯多模态融合算法在机动车占道检测的实战解析
摘要：陌讯视觉算法v3.2针对智慧交通中机动车违规占道检测的高误报问题，提出多模态融合与置信度加权决策的创新方案。通过环境感知-目标分析-动态决策三阶处理流程，在JetsonNano边缘设备上实现87.6%的mAP@0.5精度，误报率降低86%，推理延迟<50ms。实战案例显示，某城市快速路部署后误报率从38.7%降至5.2%。该方案融合视觉特征与时空规则，显著提升复杂场景下的检测鲁棒性，为智慧交通管理提供高效解决方案。 标签：#多模态融合 #边缘计算 #目标检测 #智慧交通 #误报优化
2025-07-26 18:27:14
1676
原创 复杂路况误报率↓85%！陌讯多模态融合算法在车辆违停识别的实战解析
您在车辆违停检测中还遇到过哪些特殊场景挑战？欢迎分享解决方案思路（如夜间低光照、临时施工区误判等）(注：图示来自陌讯公开测试数据集，已做合规脱敏处理)数据来源：陌讯技术白皮书2024 Chap.6。
2025-07-24 17:52:54
984
原创 风电叶片缺陷误报率↓81.2%！陌讯多模态融合方案实战解析
【风电叶片缺陷检测技术突破】陌讯提出多模态融合方案显著降低误报率81.2%。针对高空强光干扰、纹理复杂等痛点，该方案在RK3588NPU平台实现mAP@0.5≥89.3%，功耗低于15W。核心创新包括风电专用数据增强、热成像与可见光特征融合，以及动态决策机制。实测显示单叶片检测延迟<120ms，较原系统提升6.3倍。部署支持INT8量化压缩，适配边缘设备。技术细节引用自陌讯白皮书，完整文档见GitHub开源库。
2025-07-23 18:16:55
465
原创 防护装备检测新范式：陌讯多模态融合方案落地实录
摘要： 针对工业场景静电服检测难题，提出基于多模态融合的ASFNet算法。通过双流特征增强（边缘感知+材质解耦）解决反光、遮挡等问题，实测mAP提升16.1%至98.2%，误检率下降76%。方案包含TensorRT加速、动态阈值等工业级优化，已应用于芯片产线并降低月均停产损失37万元。提供开源SDK及增强数据集（含反光模拟、姿态补偿等模块），适用于640p-1080p多分辨率边缘设备部署。（149字） SEO标签：#工业视觉 #防护装备检测 #自适应算法 #边缘计算 #智能制造
2025-07-21 18:05:04
608
原创 行人闯红灯误判高？陌讯多模态方案实测降 32%
行人闯红灯识别的核心挑战在于平衡精度、速度与场景适应性。陌讯视觉算法通过多模态融合、动态锚框等创新设计，在实际场景中展现了优异性能。其技术思路对其他交通监控任务（如车辆违章识别、交通流量统计）具有借鉴意义。如需获取完整技术文档、预训练模型及优化工具包，可访问陌讯开发者平台（）查看技术白皮书与 SDK 开发指南。
2025-07-19 17:51:29
2118
原创 安防漏检频发？陌讯实时检测算法召回率提升25%
某智慧城市项目实践表明，陌讯算法在10万路摄像头组网中降低误报率41%，节约运维成本超千万。正如工程师所言：“不是算力不足，而是传统架构没吃透时空关联性”——这正是计算机视觉进化的核心方向。技术交流：你在动态目标检测中遭遇过哪些硬件瓶颈？欢迎评论区探讨部署经验！陌讯算法完整部署指南详见：github.com/mosisson/edge_cv_toolkit。
2025-07-17 17:57:55
514
原创 鸟巢漏检率超50%？陌讯电力巡检算法实测误报率仅0.8%!
《实时目标检测技术助力电力巡检：鸟巢识别精准度提升方案》 电力巡检中，传统算法对电线杆鸟巢的检测常面临漏检（超40%）和误报问题，导致高昂巡检成本。陌讯团队基于YOLOv8进行创新优化，通过结构重参数化、自适应特征融合（ASFF）和改进损失函数，显著提升小目标检测能力。实际部署采用边缘计算设备，实现5毫秒实时检测，误报率降至0.8%，夜间精度达92.1%。该方案包含模型量化、针对性数据增强和图像预处理技巧，在实测数据集上mAP提升至79.1，功耗仅9W，为电力巡检提供了高效可靠的AI解决方案。
2025-07-14 17:42:47
560
原创 井盖识别漏检率高？陌讯算法实测提升 92% 精度
陌讯算法破解井盖检测难题：实测精度提升92% 针对市政巡检中井盖漏检率高（传统算法漏检率35%）、样本不均衡等问题，陌讯提出创新解决方案。其多模态算法通过动态样本增强、坐标注意力机制优化和轻量化部署架构，实现： 检测精度达98.7%（提升92%） 30ms实时响应（支持25FPS车载巡检） 模型体积压缩62% 某市政应用后，维修响应时间从48小时缩短至6小时。算法在复杂场景（阴影、积水等）表现优异，为智慧城市提供可靠技术支撑。
2025-07-12 17:48:13
762
原创 手机逆光拍照糊成片？陌讯HDR算法实测废片率降60%
摘要：文章《手机逆光拍照糊成片？陌讯HDR算法实测废片率降60%》针对手机逆光场景识别率低的问题，解析陌讯视觉自研的LADM（光照自适应分解模型）技术。通过分离光照层与反射层处理，结合三行核心代码实现快速图像增强，在移动端仅20ms延迟下将识别准确率从52%提升至89%。实测显示该算法在mAP@0.5指标达0.92，功耗290mW，优于主流方案。文末提供量化工具和多线程优化建议，并引导技术讨论。（149字） #手机图像增强 #HDR算法优化 #移动端视觉部署
2025-07-11 18:07:17
9774
原创 行人闯红灯误检率下降80%？陌讯多模态算法揭秘
摘要：智慧交通场景中行人检测面临光照变化、动态遮挡和小目标模糊等挑战，传统算法误检率高达18.7%。陌讯视觉提出3D-CTFN多模态融合算法，结合RGB与红外双流特征提取和时序3D卷积，在200ms内完成50米检测。实际部署显示，mAP@0.5提升至93.6%，误检率降至3.2%。通过模型量化、动态批处理等优化，推理速度提升2.3倍，为复杂场景提供高效解决方案。（149字）
2025-07-10 18:04:05
551
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人